NoiseShift: Resolution-Aware Noise Recalibration for Better Low-Resolution Image Generation
preprint

NoiseShift: Resolution-Aware Noise Recalibration for Better Low-Resolution Image Generation

Ruozhen He, Moayed Haji-Ali, Ziyan Yang, Vicente Ordonez
arXiv:2510.02307
Redazione notizie del laboratorio

Sintesi del comunicato stampa

Questa sezione è scritta volutamente con il tono di un comunicato stampa giornalistico, destinato al pubblico generale.

I modelli di diffusione possono degradarsi quando generano a risoluzioni molto inferiori a quelle di addestramento. NoiseShift attribuisce il problema a un disallineamento tra rumore programmato e corruzione percepita a bassa risoluzione. Senza riaddestrare il modello né cambiare il programma di campionamento, ricalibra il condizionamento del rumore. Su Stable Diffusion 3, Stable Diffusion 3.5 e Flux-Dev, gli autori riportano miglioramenti senza costo aggiuntivo di inferenza; il FID di SD3 a 128 × 128 passa da 203 a 171 su LAION-COCO.

abstract

Text-to-image diffusion models often degrade when sampled at resolutions outside the final training resolution set. Prior work has largely emphasized higher resolution generation, enabling pretrained diffusion models to extrapolate beyond the resolutions seen during training. In this work, we instead target lower-resolution generation, performing inference at reduced resolution to significantly cut computational cost. We show that network conditioning of the noise level induces a train-test mismatch that directly degrades low-resolution generation: the same scheduled noise level can correspond to a different perceptual corruption level at lower resolutions, mis-calibrating the denoiser timestep and noise embedding. To this end, we propose NoiseShift, a training-free recalibration method that keeps the original noise sampling schedule unchanged and instead re-indexes the noise conditioning of the denoiser to restore local forward-reverse consistency. Using a lightweight coarse-to-fine calibration on a small set of image-text pairs, NoiseShift learns a resolution-specific mapping from scheduler noise to conditioning noise, reducing train-test mismatch and improving lower-resolution generation quality. When NoiseShift is applied to Stable Diffusion 3 (SD3), Stable Diffusion 3.5 (SD3.5), and Flux-Dev, generation quality at low resolutions improves consistently. Particularly, SD3 generation at 128x128 resolution gets an improved FID score from 203 to 171, and SD3.5 gets an improved FID score from 310 to 277 on LAION-COCO. Even Flux-Dev which already implements a complementary time-shifting strategy gets a modest boost from NoiseShift with an improved FID score from 120 to 113 at 64x64 resolution. More importantly, NoiseShift achieves such improvements with minimal implementation changes and no additional inference overhead.

citazione

@article{henoiseshift,
  title = {NoiseShift: Resolution-Aware Noise Recalibration for Better Low-Resolution Image Generation},
  author = {He, Ruozhen and Haji-Ali, Moayed and Yang, Ziyan and Ordonez, Vicente},
  journal = {arXiv preprint arXiv:2510.02307},
  url = {https://arxiv.org/abs/2510.02307},
}

domande, principali contributi e limiti di questo articolo generati automaticamente

Domande a cui questo articolo aiuta a rispondere

  • Quale problema risolve NoiseShift? Migliora la generazione testo-immagine a risoluzioni inferiori a quelle finali di addestramento.
  • Perché la qualità cala? Lo stesso rumore programmato equivale a una corruzione percettiva diversa a bassa risoluzione e disallinea il denoiser.
  • Serve riaddestrare? No; mantiene il programma e reindicizza il condizionamento del rumore.
  • Quali modelli sono valutati? Stable Diffusion 3, Stable Diffusion 3.5 e Flux-Dev.

Principali contributi

  • NoiseShift identifica un disallineamento di condizionamento dipendente dalla risoluzione.
  • Apprende una mappatura specifica per risoluzione da un piccolo set di calibrazione.
  • Mantiene il programma originale senza overhead di inferenza dichiarato.
  • Migliora il FID su SD3, SD3.5 e Flux-Dev, incluso SD3 da 203 a 171.

Limiti e avvertenze

  • Sono valutate tre famiglie; restano altre architetture e domini.
  • La composizione del piccolo set di calibrazione potrebbe influire sulla robustezza.
  • Valutazioni utente, latenza e utilità downstream completerebbero le metriche.
  • La portata è mirata, ma l’assenza di riaddestramento e overhead la rende pratica.

Come interpretare questo risultato

NoiseShift è una correzione mirata ed efficiente di un concreto disallineamento a bassa risoluzione, sostenuta da risultati coerenti.